---
title: "Projeto INOVA FIOCRUZ 2020"
output: 
  flexdashboard::flex_dashboard:
    orientation: columns
    vertical_layout: scroll
    theme: flatly
    social: menu
    source: embed # opcao para o código aparecer 
    storyboard: true
---


```{r setup, include=FALSE}
library(knitr)
options(max.print="75")
knitr::opts_chunk$set(echo=FALSE,
               cache=TRUE,
               prompt=FALSE,
               tidy=TRUE,
               comment=NA,
               message=FALSE,
               warning=FALSE,
               cache.lazy=FALSE)
knitr::opts_knit$set(width=75)

```

```{r}
library(flexdashboard)
library(ggplot2)
library(readxl)
library(plotly)
library(ggmap)

library(zoo)
library(questionr)
library(lubridate)
library(stringi)
library(dplyr)

library(geobr)
library(tmap)
library(sf)

library(hrbrthemes)
library(viridis)

library(ggplot2)
library(geofacet)
library(tibble)
library(readr)
library(shiny)
library(tidyverse)

# devtools::install_github('rstudio/rmarkdown@3953abd473e9230faca4dcad996d5d1b35c3b3a7')
# devtools::install_github('gagolews/stringi')
# devtools::install_github("rpradosiqueira/brazilmaps")
# https://github.com/sagarkulkarny/HR-Movement-Dashboard-using-Flexdashboard-

```


# sidebar {.sidebar}


**Análise geográfica da Cobertura Vacinal e a ocorrência
do Sarampo no Brasil, 2000-2019**

O presente estudo pretende investigar a cobertura vacinal com a ocorrência de casos de sarampo para
identificar regiões brasileiras com maior heterogeneidade na evolução temporal
e a distribuição geográfica da cobertura nacional da vacina dupla e tríplice viral.


**Coordenação:** 

- Yara Hökerberg ([yarahahr@ini.fiocruz.br]())

- Raquel  Vasconcelos ([raquel.vasconcellos@ini.fiocruz.br]())

**Equipe:**

- Lívia Moura ([lica.moura.lima@gmail.com]())

- Luan da Silva ([snoedasilva@gmail.com]())

- Sônia Regina Lambert ([sonia.lambert@ini.fiocruz.br]())

- Wagner Tassinari ([tassinari@ufrrj.br]())


# região  {data-icon="fa-signal" data-navmenu="cobertura"}

Column {data-width=1000}{.tabset}
-----------------------------------------------------------------------

```{r}
# lendo o arquivo com a cobertura or regioes
banco0 <- read.csv('bancos/cobvac_porregiao.csv',sep=';',dec=',')

regiao.map <- read_region(year=2018, showProgress = F)   # region

```


### Distribuição temporal

```{r}
g1 <- ggplot(data=banco0,mapping= aes(x=ano,y=cobertura))+
  geom_line(mapping=aes(color=regiao),size=0.9)+
  labs(x= "ano",
       y="Cobertura vacinal (%)",
       title="Distribuição temporal da cobertura Vacinal da tríplice viral, Brasil e Regiões - 2000 a 2020")+
  geom_hline(yintercept=c(95),linetype="dotted",
             color = "red", size=0.3)+
  scale_x_continuous(breaks=c(2000:2020))+
  theme_classic()+
  scale_y_continuous(breaks=c(75,100,120))+
  scale_color_discrete(name="")+
  annotate("text", x = 2000, y = 93, label = "95%")

ggplotly(g1)
```


### Distribuição da cobertura Vacinal


```{r}
g2 <- banco0 %>%
  ggplot(aes(y = cobertura, x = as.factor(ano))) + 
    geom_violin(aes(fill = as.factor(ano)),  
                 binaxis = "y",         
                 binwidth = 0.1,       
                 stackdir = "center"   
                 ) +
  geom_hline(yintercept=c(95),linetype="dotted",
             color = "red", size=0.3) +
  annotate("text", x = "2000", y = 93, label = "95%", col="red") +
    stat_summary(fun.y = median, fun.ymin = median, fun.ymax = median,
                 geom = "crossbar", width = 0.5) +
    ylab("Cobertura (%)") + xlab("Anos") +
   ggtitle("Distribuição da cobertura Vacinal da tríplice viral entre o Brasil e Regiões - 2000 a 2020") +
  theme_minimal()

ggplotly(g2)
```


### Distribuição por boxplot

```{r}
g3 <- banco0 %>%
  ggplot(aes(x=regiao, y=cobertura, fill=regiao)) +
    geom_boxplot() +
    scale_fill_viridis(discrete = TRUE, alpha=0.6) +
    geom_jitter(color="black", size=0.4, alpha=0.9) +
  geom_hline(yintercept=c(95),linetype="dotted",
             color = "red", size=0.3) +
  annotate("text", x = "Brasil", y = 93, label = "95%", col="red") +
    theme_ipsum() +
    theme(
      legend.position="none",
      plot.title = element_text(size=11)
    ) +
    ggtitle("Distribuição da cobertura Vacinal da tríplice viral entre o Brasil e Regiões - 2000 a 2020") +
    ylab("Cobertura (%)") + xlab("Regiões") 

ggplotly(g3)
```

### Distribuição Geografica

```{r}
banco1 <- subset(banco0, regiao != "Brasil")
banco2000 <- subset(banco1, ano==2000)
banco2001 <- subset(banco1, ano==2001)
banco2002 <- subset(banco1, ano==2002)
banco2003 <- subset(banco1, ano==2003)
banco2004 <- subset(banco1, ano==2004)

banco2000a2004 <- banco2000 %>%
  mutate(cobertura2000a2004 = (banco2000$cobertura + banco2001$cobertura + banco2002$cobertura + banco2003$cobertura +        banco2004$cobertura)/5,
         Ano = "2000 a 2004",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))

banco2005 <- subset(banco1, ano==2005)
banco2006 <- subset(banco1, ano==2006)
banco2007 <- subset(banco1, ano==2007)
banco2008 <- subset(banco1, ano==2008)
banco2009 <- subset(banco1, ano==2009)

banco2005a2009 <- banco2000 %>%
  mutate(cobertura2005a2009 = (banco2005$cobertura + banco2006$cobertura + banco2007$cobertura + banco2008$cobertura +        banco2009$cobertura)/5,
         Ano = "2005 a 2009",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))

banco2010 <- subset(banco1, ano==2010)
banco2011 <- subset(banco1, ano==2011)
banco2012 <- subset(banco1, ano==2012)
banco2013 <- subset(banco1, ano==2013)
banco2014 <- subset(banco1, ano==2014)

banco2010a2014 <- banco2000 %>%
  mutate(cobertura2010a2014 = (banco2010$cobertura + banco2011$cobertura + banco2012$cobertura + banco2013$cobertura +        banco2014$cobertura)/5,
         Ano = "2010 a 2014",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))

banco2015 <- subset(banco1, ano==2015)
banco2016 <- subset(banco1, ano==2016)
banco2017 <- subset(banco1, ano==2016)
banco2018 <- subset(banco1, ano==2018)
banco2019 <- subset(banco1, ano==2019)
banco2020 <- subset(banco1, ano==2020)

banco2015a2020 <- banco2000 %>%
  mutate(cobertura2015a2020 = (banco2015$cobertura + banco2016$cobertura + banco2017$cobertura + banco2018$cobertura +        banco2019$cobertura + banco2020$cobertura)/6,
         Ano = "2015 a 2020",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))
```


```{r}
# Baixando a malha das regioes

regiao.map$code_region <- as.factor(regiao.map$code_region)

banco2000a2020 <- cbind(banco2000a2004, banco2005a2009, banco2010a2014, banco2015a2020)
banco2000a2020 <- banco2000a2020 %>% select(cobertura2000a2004, cobertura2005a2009, cobertura2010a2014, cobertura2015a2020) %>%
  mutate(code_region = c("1","2","3","4","5"))

regiao.map2000a2020 <- merge(banco2000a2020, regiao.map, by="code_region") 

st_geometry(regiao.map2000a2020) <- st_geometry(regiao.map)

library(wesanderson)
pal <- wes_palette("Zissou1", 50, type = "continuous")

tmap_mode("view");
tm_shape(regiao.map2000a2020) +
  tm_polygons(col=c("cobertura2000a2004", "cobertura2005a2009", "cobertura2010a2014", "cobertura2015a2020"),
              breaks=c(85, 90, 95, 100, 105, 110, 115), border.col = "white", palette="Oranges",
              title.col = "name_region") +
  tm_facets(as.layers = TRUE)

# tm_shape(regiao.map2000a2020) +
#   tm_polygons(col=c("cobertura2000a2004", "cobertura2005a2009", "cobertura2010a2014", "cobertura2015a2020"), breaks=c(75, 85, 95, 110), border.col = "white", palette="Oranges") +
#     tm_facets(sync = TRUE, ncol = 2, nrow = 2) 
 

```

### IDH + Pop + Cobertura


```{r}
code_region <- c(1,2,3,4,5)
pop2010 <- c(15864454,	53081950,	80364410,	27386891,	12482963)
IDH <- c(0.667, 0.663, 0.766, 0.754, 0.757)
pop.idh2010 <- data_frame(code_region, pop2010, IDH)

pop.idh2010 <- merge(banco2015a2020, pop.idh2010, by="code_region") 

g5 <- ggplot(pop.idh2010, aes(x=IDH, y=cobertura2015a2020, size=pop2010, fill=regiao)) +
    geom_point(alpha=0.7, shape=21,  color="black") +
    scale_size(range = c(3, 12), name="População 2010") +
    scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A") +
    theme_ipsum() +
  #  theme(legend.position="bottom") +
    ylab("Cobertura Vacinal 2015 a 2020 (%)") +
    xlab("IDH") 
  # theme(legend.position="none")

ggplotly(g5)
```



# estado  {data-icon="fa-chart-line" data-navmenu="cobertura"}

Column {data-width=1000}{.tabset}
-----------------------------------------------------------------------


### Distribuição temporal nos estados
  
```{r}

bancot00 <- read.csv('~/ownCloud/Projetos 2020/Inova FIOCRUZ/INOVA Sarampo 2020/bancos/banco de dados - luan/dashboard/luane/bancos/bancobr.csv',sep=';',dec=',')


```

```{r}
br_grid1 <- tribble(
  ~row, ~col, ~code, ~name,
  1, 2, "RR", "Roraima",
  1, 3, "AP", "Amapa",
  2, 2, "AM", "Amazonas",
  2, 3, "PA", "Para",
  2, 4, "MA", "Maranhao",
  2, 5, "CE", "Ceara",
  3, 1, "AC", "Acre",
  3, 3, "TO", "Tocantins",
  3, 4, "PI", "Piaui",
  3, 5, "PB", "Paraiba",
  3, 6, "RN", "Rio Grande do Norte",
  3, 2, "RO", "Rondonia",
  4, 2, "MT", "Mato Grosso",
  4, 5, "PE", "Pernambuco",
  4, 6, "AL", "Alagoas",
  4, 3, "GO", "Goias",
  5, 3, "DF", "Distrito Federal",
  5, 4, "MG", "Minas Gerais",
  4, 4, "BA", "Bahia",
  5, 5, "SE", "Sergipe",
  5, 2, "MS", "Mato Grosso do Sul",
  6, 5, "ES", "Espirito Santo",
  7, 3, "PR", "Parana",
  6, 3, "SP", "Sao Paulo",
  6, 4, "RJ", "Rio de Janeiro",
  7, 4, "SC", "Santa Catarina",
  8, 3, "RS", "Rio Grande do Sul"
)

p3<-ggplot(bancot00, aes(ano,cobertura)) +
  geom_line() +
  facet_geo(~ state, grid =br_grid1) +
  labs(title = "Cobertura vacinal dos estados Brasileiros 2000 a 2020",
       x = "Ano",
       y = "Cobertura (%)") +
  theme(strip.text.x = element_text(size = 6))+
  scale_x_continuous(breaks=c(2000,2010,2020))+
  scale_y_continuous(breaks=c(50,95))


p3


```

```{r}
banco1 <- subset(banco0, regiao != "Brasil")
banco2000 <- subset(banco1, ano==2000)
banco2001 <- subset(banco1, ano==2001)
banco2002 <- subset(banco1, ano==2002)
banco2003 <- subset(banco1, ano==2003)
banco2004 <- subset(banco1, ano==2004)

banco2000a2004 <- banco2000 %>%
  mutate(cobertura2000a2004 = (banco2000$cobertura + banco2001$cobertura + banco2002$cobertura + banco2003$cobertura +        banco2004$cobertura)/5,
         Ano = "2000 a 2004",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))

banco2005 <- subset(banco1, ano==2005)
banco2006 <- subset(banco1, ano==2006)
banco2007 <- subset(banco1, ano==2007)
banco2008 <- subset(banco1, ano==2008)
banco2009 <- subset(banco1, ano==2009)

banco2005a2009 <- banco2000 %>%
  mutate(cobertura2005a2009 = (banco2005$cobertura + banco2006$cobertura + banco2007$cobertura + banco2008$cobertura +        banco2009$cobertura)/5,
         Ano = "2005 a 2009",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))

banco2010 <- subset(banco1, ano==2010)
banco2011 <- subset(banco1, ano==2011)
banco2012 <- subset(banco1, ano==2012)
banco2013 <- subset(banco1, ano==2013)
banco2014 <- subset(banco1, ano==2014)

banco2010a2014 <- banco2000 %>%
  mutate(cobertura2010a2014 = (banco2010$cobertura + banco2011$cobertura + banco2012$cobertura + banco2013$cobertura +        banco2014$cobertura)/5,
         Ano = "2010 a 2014",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))

banco2015 <- subset(banco1, ano==2015)
banco2016 <- subset(banco1, ano==2016)
banco2017 <- subset(banco1, ano==2016)
banco2018 <- subset(banco1, ano==2018)
banco2019 <- subset(banco1, ano==2019)
banco2020 <- subset(banco1, ano==2020)

banco2015a2020 <- banco2000 %>%
  mutate(cobertura2015a2020 = (banco2015$cobertura + banco2016$cobertura + banco2017$cobertura + banco2018$cobertura +        banco2019$cobertura + banco2020$cobertura)/6,
         Ano = "2015 a 2020",
         code_region = case_when(
           regiao == "Norte" ~ 1,
           regiao == "Nordeste" ~ 2,
           regiao == "Sudeste" ~ 3,
           regiao == "Sul" ~ 4,
           regiao == "Centro oeste" ~ 5,),
         code_region = as.factor(code_region))
```


### Distribuicao violino

```{r}

bancot0 <- read.csv('~/ownCloud/Projetos 2020/Inova FIOCRUZ/INOVA Sarampo 2020/bancos/banco de dados - luan/dashboard/luane/bancos/banco.csv',sep=';',dec=',')


p1<-ggplot(bancot0) +
  aes(x = uf, y = cobertura, fill = uf) +
  geom_violin(adjust = 1L, scale = "area") +
  scale_fill_hue(direction = 1) +
  theme_minimal()+
  stat_summary(fun.y = median, fun.ymin = median, fun.ymax = median,
               geom = "crossbar", width = 0.5) +
  ylab("Cobertura (%)") + xlab("Estados") +
  ggtitle("Distribuição da cobertura Vacinal da tríplice viral entre o Brasil e Unidades da federação - 2000 a 2020")

ggplotly(p1)
```


### Distribuição  por boxplot UF's

```{r}
p2 <- bancot0 %>%
  ggplot(aes(x=uf, y=cobertura, fill=uf)) +
  geom_boxplot() +
  scale_fill_viridis(discrete = TRUE, alpha=0.6) +
  geom_jitter(color="black", size=0.4, alpha=0.9) +
  geom_hline(yintercept=c(95),linetype="dotted",
             color = "red", size=0.3) +
  annotate("text", x = "AL", y = 93, label = "95%", col="red") +
  theme_ipsum() +
  theme(
    legend.position="none",
    plot.title = element_text(size=11)
  ) +
  ggtitle("Distribuição da cobertura Vacinal da tríplice viral entre o Brasil e UF's - 2000 a 2020") +
  ylab("Cobertura (%)") + xlab("Estados") 

ggplotly(p2)

```


### IDH + Pop + Cobertura UF's

```{r}
bancot1 <- subset(bancot0, uf != " Brasil")
banco20001 <- subset(bancot1, ano==2000)

banco20151 <- subset(bancot1, ano==2015)
banco20161 <- subset(bancot1, ano==2016)
banco20171 <- subset(bancot1, ano==2016)
banco20181 <- subset(bancot1, ano==2018)
banco20191 <- subset(bancot1, ano==2019)
banco20201 <- subset(bancot1, ano==2020)

banco2015aa2020 <- banco20001 %>%
  mutate(cobertura2015aa2020 = (banco20151$cobertura + banco20161$cobertura + banco20171$cobertura + banco20181$cobertura +        banco20191$cobertura + banco20201$cobertura)/6,
         Ano = "2015 a 2020",
         code_state = case_when(
           uf == "RO" ~ 11,
           uf == "AC" ~ 12,
           uf == "AM" ~ 13,
           uf == "RR" ~ 14,
           uf == "PA" ~ 15,
           uf == "AP"~16,
           uf == "TO"~17,
           uf== "MA"~21,
           uf== "PI"~22,
           uf== "CE"~23,
           uf== "RN"~24,
           uf== "PB"~25, 
           uf== "PE"~26,
           uf== "AL"~27,
           uf== "SE"~28,
           uf== "BA"~29,
           uf== "MG"~31,
           uf== "ES"~32,
           uf== "RJ"~33,
           uf== "SP"~34,
           uf== "PR"~41,
           uf== "SC"~42,
           uf== "RS"~43,
           uf== "MS"~50,
           uf== "MT"~51,
           uf=="GO"~52,
           uf== "DF"~53,),
         code_state = as.factor(code_state))

```

```{r}
code_state <-c(11,12,13,14,15,16,17,21,22,23,24,25,26,27,28,29,31,32,33,34,41,42,43,50,51,52,53)
pop20101 <- c(1562409,733559,3483985,450479,7581051,669526,1383445,6574789,3118360,8452381,3168027,3766528,8796448,3120494,2068017,14016906,19597330,3514952,15989929,41262199,10444526,6248436,10693929,2449024,3035122,6003788,	2570160)
IDH1 <- c(0.690, 0.663, 0.674,0.707, 0.646, 0.708,0.699,0.639,0.646, 0.682, 0.684,0.658, 0.673, 0.631, 0.665, 0.660, 0.731, 0.740, 0.761, 0.783, 0.749, 0.774, 0.746,0.729,0.725,0.735,0.824 )
pop.idh2010 <- data_frame(code_state, pop20101, IDH1)

pop.idh2010 <- merge(banco2015aa2020, pop.idh2010, by="code_state") 

g6 <- ggplot(pop.idh2010, aes(x=IDH1, y=cobertura2015aa2020, size=pop20101, fill=uf)) +
  geom_point(alpha=0.7, shape=21,  color="black") +
  scale_size(range = c(3, 12), name="População 2010") +
  scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A") +
  theme_ipsum() +
  #  theme(legend.position="bottom") +
  ylab("Cobertura Vacinal 2015 a 2020 (%)") +
  xlab("IDH") 
# theme(legend.position="none")

ggplotly(g6)
```